本申请涉及网络可靠性研究,尤其涉及一种复杂网络鲁棒性评估方法及装置。
背景技术:
1、复杂网络在我们的生活中随处可见,与我们的生活密切相关,例如互联网、社交网络、通信网络、电网等。复杂网络的鲁棒性作为衡量网络可靠性的重要指标,一直以来都是网络科学研究的热点之一。
2、复杂网络的鲁棒性是指网络中的部分组件(节点或边)因故障或恶意攻击失效后,网络继续维持其功能的能力。评估复杂网络的鲁棒性,主要有两方面的意义。一方面,对我们有益的网络,一旦因其某些组件失效而导致网络崩溃,会给我们造成严重的损失。例如2003年美加大停电,使约5000万居民手到影响,经济损失约300亿美元。评估此类网络的鲁棒性,有助于我们了解网络存在的弱点,进而指导我们设法提高其鲁棒性。另一方面,对我们有害的网络,如恐怖分子联络网络等,对它们进行鲁棒性分析,有助于我们制定高效的网络瓦解策略,进而将其破坏。评估复杂网络的鲁棒性具有十分重要的意义。
3、现有的复杂网络的鲁棒性评估方法通常使用攻击模拟的方式进行,即按照一定的顺序依次对网络的节点进行攻击(移除),并记录每次攻击后网络连通性的变化。
4、现有的技术通常假设每个节点在受到攻击后都会被破坏,未考虑攻击节点的成功率的影响。然而,在实际应用中,对节点进行攻击并不总是成功的。以军事通信网络为例,即便敌方对目标发起攻击,也不一定能成功摧毁目标。因此,在考虑攻击成功率的情况下,现有技术不能有效度量网络的鲁棒性。此外,现有方法的计算开销较大,计算大规模复杂网络十分耗时。
技术实现思路
1、本申请提供了一种复杂网络鲁棒性评估方法及装置,解决了现有技术不能有效度量网络的鲁棒性,以及现有方法的计算开销较大,计算大规模复杂网络十分耗时的技术问题。
2、有鉴于此,本申请第一方面提供了一种复杂网络鲁棒性评估方法,所述方法包括:
3、s1、获取目标网络g的初始数据,所述初始数据包括所述目标网络g包含节点数n,攻击序列seq=(v1,v2,…,vn)以及攻击成功率
4、s2、令i=0,sum=0,并抽取n维随机数r=(r1,r2,…,rn),其中,0≤ri≤1,i=1,2,...,n;
5、s3、根据所述随机数与对应所述攻击成功率的大小关系确定所述攻击序列的状态
6、s4、计算anc的值,其中,σ(g)表示目标网络g初始的最大连通分量(gcc)的大小,σ(g\vk)表示从所述目标网络g中依次攻击集合vk中的节点后,剩余网络中gcc的大小,k=0时,表示没有任何节点受到攻击的初始情况;
7、s5、根据anc的值更新sum,sum+=anc(seq,s);
8、s6、计算所述目标网络g的鲁棒性robustness=sum。
9、可选地,所述目标网络g的初始数据还包括采样次数k。
10、可选地,所述步骤s5还包括:返回执行步骤s4直到i大于所述采样次数k。
11、可选地,所述步骤s6具体为计算所述目标网络g的鲁棒性
12、可选地,所述步骤s3具体为:
13、根据确定所述攻击序列的状态
14、本申请第二方面提供一种复杂网络鲁棒性评估装置,所述装置包括:
15、获取单元,用于获取目标网络g的初始数据,所述初始数据包括所述目标网络g包含节点数n,攻击序列seq=(v1,v2,…,vn)以及攻击成功率
16、抽取单元,用于令i=0,sum=0,并抽取n维随机数r=(r1,r2,…,rn),其中,0≤ri≤1,i=1,2,...,n;
17、处理单元,用于根据所述随机数与对应所述攻击成功率的大小关系确定所述攻击序列的状态
18、第一计算单元,用于计算anc的值,其中,σ(g)表示目标网络g初始的最大连通分量(gcc)的大小,σ(g\vk)表示从所述目标网络g中依次攻击集合vk中的节点后,剩余网络中gcc的大小,k=0时,表示没有任何节点受到攻击的初始情况;
19、更新单元,用于根据anc的值更新sum,sum+=anc(seq,s);
20、第二计算单元,用于计算所述目标网络g的鲁棒性robustness=sum。
21、可选地,所述目标网络g的初始数据还包括采样次数k。
22、可选地,所述更新单元还用于:跳转至所述第一计算单元直到i大于所述采样次数k。
23、可选地,所述第二计算单元具体用于计算所述目标网络g的鲁棒性
24、
25、可选地,所述处理单元具体用于:
26、根据确定所述攻击序列的状态
27、从以上技术方案可以看出,本申请实施例具有以下优点:
28、本申请中,提供了一种复杂网络鲁棒性评估方法及装置,对于一个给定的目标网络g,用户在获取攻击序列seq和攻击成功率p后,能够迅速地计算出目标网络的鲁棒性,解决了现有技术不能有效度量网络的鲁棒性,以及现有方法的计算开销较大,计算大规模复杂网络十分耗时的技术问题。
1.一种复杂网络鲁棒性评估方法,其特征在于,包括:
2.根据权利要求1所述的复杂网络鲁棒性评估方法,其特征在于,所述目标网络g的初始数据还包括采样次数k。
3.根据权利要求2所述的复杂网络鲁棒性评估方法,其特征在于,所述步骤s5还包括:返回执行步骤s4直到i大于所述采样次数k。
4.根据权利要求3所述的复杂网络鲁棒性评估方法,其特征在于,所述步骤s6具体为计算所述目标网络g的鲁棒性
5.根据权利要求1所述的复杂网络鲁棒性评估方法,其特征在于,所述步骤s3具体为:
6.一种复杂网络鲁棒性评估装置,其特征在于,包括:
7.根据权利要求6所述的复杂网络鲁棒性评估装置,其特征在于,所述目标网络g的初始数据还包括采样次数k。
8.根据权利要求7所述的复杂网络鲁棒性评估装置,其特征在于,所述更新单元还用于:跳转至所述第一计算单元直到i大于所述采样次数k。
9.根据权利要求8所述的复杂网络鲁棒性评估装置,其特征在于,所述第二计算单元具体用于计算所述目标网络g的鲁棒性
10.根据权利要求6所述的复杂网络鲁棒性评估装置,其特征在于,所述处理单元具体用于: